Test de student 🫨

[manoncocyte]

Bonjour ! 

J’ai beaucoup de mal à trouver des cas concrets concernant chaque test de student et ça me bloque vachement pour retenir et surtout pour comprendre leur fonctionnement dans des QCM. 

Par exemple le test de student pour comparer une moyenne observée à une moyenne théorique dans le médical on peut s’en servir pourquoi ? Même question pour les autres tests

Si quelqu’un peut m’aider à trouver leurs applications dans le réel pour m’aider à comprendre ce serait top

Bonne journée ! 

Oh et aussi pourquoi on dit que les tests d’hypothèses permettent d’extrapoler les résultats observés sur les échantillons aux populations ? 

[manoncocyte]

En fait je crois que j’ai pas compris degré de signification et le risque d’erreur

 

[Enzocytocine]

Bonjour ! 

C'est vrai que ça peut vite devenir compliqué pour distinguer les différents cas. 

Comparer une moyenne observée à une moyenne théorique peut par exemple servir pour vérifier qu'un lot de médicament contient la bonne quantité de principe actif. Par exemple on prend un lot comprimé, chaque comprimé contient théoriquement 10mg de principe actif (10mg est la moyenne théorique). On mesure la quantité de principe actif dans les comprimés du lot et on trouve 9,6mg. Le test de Student permet ici de savoir si la différence est significative. 

Comparer deux échantillons indépendants peut servir à repérer des facteurs de risque ou de protection par rapport à une maladie, ou encore à évaluer l'efficacité d'un médicament dans un essai clinique. Par exemple, un laboratoire teste un antalgique utilisé pour réduire la douleur causée par une lombalgie. L'essai clinique comprend 2 groupes : 100 patients qui vont recevoir l'antalgique et 100 patients qui reçoivent un placebo. La douleur est mesurée à partir d'une échelle de douleur, allant de 1 à 10. Dans le groupe qui reçoit le médicament, la moyenne sur l'échelle de douleur est de 4.1, et dans le groupe placebo, la moyenne est de 5.0. Le test de Student permet ici aussi de savoir si cette différence est significative, et donc si le médicament est efficace ou non. 

Enfin pour les échantillons apariés, on garde le même groupe et on fait des mesures à des moments différents. Pour reprendre l'exemple de l'essai clinique avec l'antalgique pour la lombalgie, on prend un groupe de 200 patients, on mesure la douleur sur une échelle de douleur, la moyenne est de 5.6. Ensuite on leur administre le médicament, on mesure à nouveau le niveau de douleur et on obtient cette fois une moyenne de 4.3, on fait ensuite un test de Student pour voir si la différence est significative et le médicament efficace. 

 

J'espère que ça répond à ta question ! 

[manoncocyte]

Waw ok là tout a beaucoup plus de sens !!! Merci infiniment  

[Enzocytocine]

C'est vrai que c'est facile de confondre degré de signification et risque d'erreur . 

Le degré de signification p (ou p-value), est la probabilité d'obtenir dans la population générale une valeur au moins aussi extrême que celle observée dans l'échantillon si H0 est vraie. Plus p est élevée, plus H0 est probable. 

En gros ça mesure l'écart entre l'échantillon et H0, et c'est une valeur qui est propre à chaque échantillon. 

 

Par contre le risque d'erreur alpha est une caractéristique du test, c'est une valeur choisie qui fixe le pourcentage de cas où on rejette H0 alors que H0 est vraie (soit les cas où on trouve une différence significative alors qu'il n'y en a pas). 

Ce sera souvent 0,05 ou 0,01 dans les QCM. 

 

Le plus important à retenir pour ne pas confondre les deux, c'est que le degré de signification est une valeur calculée pour chaque échantillon (on ne vous demande pas de savoir la calculer, la valeur vous sera donnée), alors que le risque d'erreur est une valeur fixée pour déterminer la précision qu'on veut pour un test. 

[manoncocyte]

Ok trop bien c’est super bien expliqué merci beaucoup !